1. DataSeries & DataFrame

2. I/O（輸入/輸出）

3.Data analysis &aggregation（數據分析&聚合）

4.Indexes（索引）

5. Visualization（可視化）

6.Interacting with the Data（數據交互）

【輸入/輸出】

1.	import pandas as pd  
2.	# 讀取數據  
3.	df = pd.read_csv('raw_weather_data_aug_sep_2014/tempm.csv', header=None)  
4.	print df.head(5)   #輸出前n行  
5.	print df.tail(5)   #輸出最後n行  

1. 使用Matplotlib庫，.plot() 函數

【數據結構：Series和DataFrame】

【Series篇】

1. 一維有標簽數組結構，可以存入任一種python的數據類型(integers, strings, floating point numbers, Python objects, etc.)

2. 序列的標簽通常稱為索引（index）

數據選擇與訪問方式：

1. 可以通過標簽（index）選擇，也可以通過位置來選擇（從0開始）；

2. 通過切片/布爾索引訪問數據，例如：

1.	series[x], series[[x, y]]  
2.	series[2], series[[2, 3]], series[2:3]  
3.	series.ix() / .iloc() / .loc()  
4.	# .ix()這種方式相當於混合了loc()和iloc()兩種方式

【DataFrame】

二維有標簽數據結構，如2維Numpy數組，關於索引，有如下規定：

2.索引可以重置或者替換；

3. 類型：位置，時間戳，時間範圍，標簽…；

4.一個索引號可能會出現多次（不唯一）

例1. 給列命名

1.	df.columns = ['timestamp', 'temperature']  
2.	df.head(3)  

例2. 對數據進行運算：

1.	def to_fahrenheit(celsius):  
2.	    return (celsius * 9./5.) + 32.  
3.	df['temperature'].map(to_fahrenheit)[:5]  
4.	df['temperature F'] = df['temperature'].map(to_fahrenheit)  
5.	df.head(5)  
6.	df['temperature F'] = df['temperature'].apply(lambda x: (x * 9./5.) + 32.)  
7.	df.head()  

1.	df['ruleoftumb'] = df['temperature F'] / df['temperature']  
2.	df.head()  

1.	# 對列名進行重命名，rename()函數返回一個新DataFrame，  
2.	# inplace參數表示是否替換原來的DataFrame  
3.	df.rename(columns={'ruleoftumb': 'bad_rule'}, inplace=True)  
4.	df.head()  

5.	# 刪除列,inplace參數同上  
6.	df.drop('bad_rule', axis=1, inplace=True)  
7.	df.head()  

1. describe()

4. mean(), sum(), median(),…

例1. 創建新列：

1.	# .mean()函數計算指定數據的均值  
2.	df['deviation'] = df['temperature'] - df['temperature'].mean()  
3.	df.head()  

例2. 用groupby()分組

1.	#按溫度分組，統計每個溫度出現的次數  
2.	df.groupby('temperature').count()  

例3. 輸出指定數據統計信息

1.	# describe()方法返回數據的統計信息，不考慮空值    
2.	df['temperature'].describe(percentiles=[.1,.5,.6,.7])  

NaN表示空值，可以使用drop( )移除；也可以用默認值替換或者前向填充/後向填充

例1. 使用Isnull( )函數判斷是否為空

1.	df['temperature'].isnull()[2350:2357]  

例2. 刪除缺失值：

1.	df.dropna(inplace=True)  
2.	print df['temperature'].isnull().any()  

輸出： False ，因為已經刪除缺失值，並且用刪除之後的數據替換掉原數據，所以判斷是否存在空值時，返回False，即不存在空數據。

Part2 時間序列分析（以時間戳為index的序列）

     在進行時間序列分析時，先將DataFrame的索引值由默認的數字索引變為時間戳索引：

1.	#新增一列deviation,然後將默認的索引值變為時間戳索引值  
2.	df['deviation']=df['temperature']-df['temperature'].mean()  
3.	df.index=pd.to_datetime(df['timestamp'])  
4.	df.head()

畫出DataFrame前100行，此時圖的橫坐標不再是數值索引，而是時間戳。如下：

1.	ax=df[:100].plot()  
2.	ax.axhline(df[:100]['temperature'].median(),color='r',linestyle='-')

    此時，對DataFrame加入weekday列和weekend列，

1.	# DatetimeIndex.weekday 將返回該日期是一星期中的第幾天，星期一是0，星期天是6  
2.	df['weekday'] = df.index.weekday  
3.	# isin()返回布爾值，表示df['weekday']是否在{5,6}中，  
4.	# 即判斷是否是周末  
5.	df['weekend'] = df['weekday'].isin({5, 6})  
6.	# 根據日期來分組，進行統計  
7.	df.groupby(df.index.date).count()  

     那麼就可以進一步分析溫度隨著時間的變化趨勢，比如觀察每周氣溫的變化情況：

1.	# 以周為時間單位進行聚合，分析氣溫的變化情況  
2.	# 前麵已經將時間序列作為索引值，那麼這裏df.index.week返回的是一年的第幾周

也可以分析指定時間內的溫度變化趨勢

1.	# 2014年9月氣溫變化圖（左圖）    
2.	df['2014-09']['temperature'].plot()     
3.	# 12點到16點之間的氣溫變化圖（右圖）    
4.	df[(df.index.hour > 12) & (df.index.hour <=16)]['temperature'].plot()

時間序列重采樣（resample）

首先用DataFrame進行重采樣：

1.	# 按3天為時間間隔采樣  
2.	df.resample('3D').plot()  

又如對Series進行降采樣：

1.	import random  
2.	index = pd.date_range('1/1/2016', periods=1200, freq='S') 
3.	series = pd.Series([random.randint(0,100) for p in range(1200)], index=index)  
4.	# label參數表示采用區間左邊的時間戳還是右邊的時間戳，  
5.	# closed參數表示區間是左邊閉合還是右邊閉合，和數學中[  )，(  ]區間表示形式一樣  
6.	# 一個時間戳隻能屬於一個時間段，所有時間段合並起來必須能組成原始的整個時間幀
7.	# 降采樣，從之前的1秒變為5分鍾
8.	resampled = series.resample('5T', label='right', closed='right')  
9.	print resampled 
10.	print series.resample('5T', label='left', closed='right')  
11.	print series.resample('5T', label='left', closed='left') 

升采樣，采樣頻率從5分鍾變到100秒，

1.	# 升采樣默認會引入缺失值
2.	print resampled.resample('100S')[:6]  
3.	# ffill()向前填充，即用上一個有效值填充缺失數據  
4.	# bfill()向後填充，即用下一個有效值填充缺失數據  
5.	print resampled.resample('100S').ffill()[:6]  
6.	print resampled.resample('100S').bfill()[:6]  

使用statsmodels庫進一步分析時序數據

1.	dtap=pd.DataFrame(mdf.groupby(mdf.index)['activity'].sum())  
2.	# 對缺失數據插值  
3.	dtap.activity.interpolate(inplace=True)  
4.	res=sm.tsa.seasonal_decompose(dtap.activity)  
5.	resplot=res.plot()  
6.	resplot.set_size_inches(15,15)

輸出：

以上為譯文

文章原標題《Introduction to Pandas and Time Series Analysis》，作者：Alexander C. S. Hendorf，譯者：李烽 審校：

文章為簡譯，更為詳細的內容，請查看原文。

PS：中文譯製PDF版食用更佳，可讀性更強，見附件。